第3章 KANO问卷设计：正向与反向问题设计模板、量表选择、避免引导性提问

3.1 核心设计逻辑：为什么正反向问题必须成对出现

KANO模型的量化基础是功能具备/功能缺失的双重视角对比。单一维度的满意度问题无法区分“兴奋型”与“基本型”需求——用户可能在功能缺失时极度不满，但在功能具备时认为“理应如此”。只有将同一个功能拆分为正向（具备时感受）和反向（缺失时感受）两个问题，才能将用户态度映射到KANO四象限中。

3.2 正向与反向问题设计模板

每个KANO题目由一个正向问题和一个反向问题组成，共用同一个功能描述主干。下表展示了数据产品场景中的典型模板。

3.3 五级量表选择与对应关系

KANO标准量表使用五级对称选项，从“非常喜欢”到“很不喜欢”。每个选项对应一个数字编码，用于后续的KANO评价表交叉分析。切勿随意增减选项层级，否则会破坏评价矩阵的收敛性。

3.4 避免引导性提问的实战技巧

引导性提问会扭曲用户真实态度，使KANO分类结果偏向“兴奋型”或“基本型”。数据产品经理在撰写问卷时需重点规避以下三类陷阱。

3.4.1 措辞对称性检查清单

• 主语一致：正向和反向问题的主语必须是同一主体（产品/功能/系统）。
• 谓语一致：动作动词保持不变，反向问题仅添加“不”或“无法”。
• 宾语一致：功能描述的名词短语完全复制，不增减修饰词。
• 程度一致：不要在一个问题中用“快速”，另一个问题中用“缓慢”——改用“支持”/“不支持”。

3.5 问卷设计校验清单

在投放KANO问卷前，逐项核对以下条目，确保数据收集阶段的质量基线。

{
  "kano_question_pair": {
    "id": "KQ_003",
    "feature": "数据看板支持自定义指标拖拽分析",
    "positive": {
      "text": "如果数据看板支持您自由拖拽指标进行组合分析，您感觉如何？",
      "scale": ["非常喜欢","理应如此","无所谓","勉强接受","很不喜欢"]
    },
    "negative": {
      "text": "如果数据看板不支持自由拖拽指标，必须通过固定配置完成分析，您感觉如何？",
      "scale": ["非常喜欢","理应如此","无所谓","勉强接受","很不喜欢"]
    },
    "validation": {
      "symmetry_check": "passed",
      "bias_test": "no_direction_detected"
    }
  }
}